Configuración del ambiente de trabajo en R

¿Qué es R?

• R es un lenguaje de programación de acceso libre, inicialmente diseñado y utilizado para realizar análisis estadístico.
• R también es un programa que instalamos para interpretar el código que escribimos.
• No fue creado por ingenieros de software para el desarrollo de software, sino por estadísticos como un ambiente interactivo para el análisis de datos.
• Además de R trabajaremos con RStudio, un IDE (Integrated Development Environment) que funciona como una “máscara” sobre R, con más herramientas y facilidades.
• La forma en que trabajaremos en R será a través de secuencias de comandos, conocidos como script, que se pueden ejecutar en cualquier momento. Estos scripts sirven como un registro del análisis realizamos.

¿Por qué nos gusta?

• Se ejecuta en todos los sistemas operativos principales: Windows, Mac Os, UNIX/Linux.
• Los scripts y los objetos de datos se pueden compartir sin problemas entre plataformas.
• No solamente permite realizar análisis estadístico, tambien es posible capturar información de páginas web, crear aplicaciones web, procesar texto, entre otras cosas.
• La comunidad que lo usa es muy amplia (= muchísima ayuda e información en internet).
  • Stackoverflow
  • R-Universe
  • R-Bloggers
  • Towards Data Science
  • Entre otros.
• Es muy versátil para la creación de gráficos.
• Tiene disponibles muchos paquetes para diferentes tipos de análisis.
• ¡ES GRATIS!.

Particularmente útil para

1. Manejar, combinar, limpiar y reorganizar datos.
2. Análisis estadístico, álgebra matricial, modelado, estadística avanzada.
3. Usar un entorno gráfico poderoso para explorar datos o para publicar.
4. Trabajar de forma reproducible a partir de scripts.

Advertencias

• La documentación a veces es muy técnica o muy compacta.
• No todo el código ha sido exhaustivamente testeado, es decir, no siempre hay garantías que las cosas funcionen.
• La curva de aprendizaje es más difícil que programas como SPSS o Minitab (frente a Python, Stata o SAS es similar).

Instalación de R

https://cran.r-project.org/

Luego de instalar R, se recomienda instalar Rtools.

Interfaces de usuario

• Por defecto
• RStudio - Recomendada. Es la que usaremos en este curso.
• Jupyter
• Eclipse
• Entre otras

Front-ends gráficos

• Rcmdr
• RKWard

¿Cómo correr comandos/código?

• Si se está trabajando en el panel console solamente es necesario presionar “Enter”.
• Si se está trabajando en un script es posible ejecutar los comandos presionando “Ctrl+Enter”, o haciendo clic en el botón Run en la parte derecha superior del panel de edición.

Grupos de funciones (Paquetes)

• Cuando varias funciones son desarrolladas con un objetivos similar se suelen agrupar en paquetes, los cuales son colaborativamente distribuidos de forma gratuita.
• Para utilizar las funciones de un paquete es necesario instalar este paquete primero usando install.packages() y luego cargarlo en nuestro ambiente de trabajo usando library().
• Se instalan una vez y se llaman muchas veces.
• Lista de paquetes del CRAN
• Lista de paquetes de Bioconductor
• rdrr.io

Actualizar R (si ya lo tenías instalado) y los paquetes

# Instalar el paquete installr
install.packages("installr")
# Cargar el paquete
library(installr) 
# Comando para actualizar R
updateR()
# Comando para actualizar paquetes
update.packages(checkBuilt = TRUE, ask = FALSE)

Buenas prácticas

• Usar projects (proyectos) para ajustar el ambiente de trabajo para un proyecto.
• Por reproducibilidad, facilidad y para tener los proyectos mejor organizados es mucho mejor usar projects.
• La idea es que cada proyecto tenga su propio espacio y esté aislado, de tal manera que los recursos y códigos de uno no interfieran con otros proyectos.
• Como en todo lenguaje de programación, a todo lo que le pongamos un nombre (variables, funciones, datos) hay que ponerle un buen nombre.
• ¡Siempre usa scripts! (si nunca antes has creado un ‘programa para un computador’ en este curso lo vas a hacer)
• Si aparecen errores, se puede copiar y pegar el error en Google, ChatGPT o Gemini.
• Comentar el código anteponiendo el símbolo “#” en la línea donde se desea insertar el comentario. Este proceso se puede hacer apoyándose de herramientas de programación asistida.
• A R podemos preguntarle cosas.

?ayuda
?cualquier_cosa
?mean
??mean

Informes automáticos

R cuenta con un paquete llamado knitr con el cual podemos generar dinámicamente reportes, análisis y documentos. La técnica es la misma para darle formato a los cuadernos de Jupyter/notebooks de Google Colab que ven en el curso de Python.

• Elegant, flexible, and fast dynamic report generation with R
• RMarkdwon

Creación de nuestro primer proyecto

1. Abrir RStudio.
2. Clic en File > New Project
   • New Directory > New Project si queremos crear una nueva carpeta en nuestro equipo.
   • Existing Directory si queremos alojar nuestro proyecto en una carpeta ya creada.
3. Una vez creado el proyecto, podemos verificar que la ventana del programa se renombra y apunta a la carpeta donde está alojado.
4. Clic en File > New File > R Script. En la ventana que se carga ya podemos empezar a ejecutar nuestro código.